使用tensorflow 训练模型时,我们可以使用 tensorflow自带的 Save模块 tf.train.Saver()来保存模型,使用方式很简单 就是在训练完模型后,调用saver.save()即可

saver = tf.train.Saver(write_version=tf.train.SaverDef.V2) 
saver.save(sess, save_dir+"crfmodel.ckpt", global_step=0) 

重新载入模型

saver = tf.train.Saver() 
ckpt = tf.train.get_checkpoint_state(FLAGS.restore_model) 
saver.restore(sess, ckpt.model_checkpoint_path) 

但是这种方式保存的模型中包含特别多的信息,使保存的模型很大,其实里面有很多不是我们想要的.我们就想要里面最重要的权重信息和偏差等等数据,然后再自己写解密代码,就可以把模型应用于其他的平台,比如安卓手机.
那么我们可以使用下面的方式获取训练后的权重和偏移,

ww, bb = sess.run([self.W,self.b]) 

其中W,和b都是 Tensor类型的数据 

with tf.name_scope('weights'): 
   self.W = tf.get_variable( 
     shape=[self.feat_size, self.nb_classes], 
     initializer=tf.truncated_normal_initializer(stddev=0.01), 
     name='weights' 
     # ,regularizer=tf.contrib.layers.l1_regularizer(0.1) 
   ) 
 with tf.name_scope('biases'): 
   self.b = tf.get_variable( 
     shape=[self.nb_classes], 
     initializer=tf.truncated_normal_initializer(stddev=0.01), 
     name='bias' 
   ) 

tensorflow 输出权重 到csv或txt

import numpy as np
W_val, b_val = sess.run([weights_tensor, biases_tensor])
np.savetxt("W.csv", W_val, delimiter=",")
np.savetxt("b.csv", b_val, delimiter=",")

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。

华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。

更新日志